网页抓取漏掉正文或混进广告怎么办

先对照原页。抓取内容夹杂广告时，可用 Firefox 阅读视图取出主要文字。若抓取结果缺少后半段，检查原页是否有分页、折叠内容或延迟加载，再补齐文本。

抓到了广告：用阅读视图分离正文

用桌面版 Firefox 打开文章。可简化的页面会在地址栏右端显示阅读视图图标，点一下即可切换。

图 1　红圈标出 Firefox 地址栏的阅读视图图标

阅读视图打开后，检查标题、段落和列表。若最后几段或正文表格没有出现，回普通网页核对并补入。

图 2　红框标出开启状态与提取后的正文区域

阅读视图是桌面 Firefox 自带的功能，无需另购插件。页面支持时，地址栏才显示入口。阅读视图会简化页面，依赖交互的表格、视频或折叠区域可能仍需回到原页查看。

只抓到开头：区分未加载和抽取遗漏

如果原页已经显示小标题和后续段落，提取结果却只有首屏或摘要，问题通常出在正文区域的识别。如果原页也只显示开头，先看是否有分页、展开区或滚动后加载的内容。仅在浏览器里展开一次，不会自动改变另一台服务器按网址重新抓取时看到的页面。

整理多页时，每页保留原有小标题和页序，合并时去掉重复导航。登录或订阅限制下，只整理你获准使用的正文。原文缺少的日期、数值和适用范围可以标为待核对。

交给 AI 前核对哪些信息

对照原页的首段、最后一个小标题和末段，再抽查一处带数字、脚注或适用条件的内容。若这些位置对得上，可以要求 AI 按原文小标题归纳，并把找不到依据的信息单独列出来。